服务件 Service Ware： Personal Agent 缺的不是更聪明的模型，而是一层「能力清算层」。 分享一个我最近一直在琢磨的想法，越想越觉得它是 Personal Agent 落地的真正卡点。 起因是：我的手机能听懂我，但只是「它」能听懂。 前几天我拿自己的荣耀手机做了个小实验：对 YOYO 助手说一句自然语言指令，加一次简单授权，它就能帮我打开控制中心里的一键开关——手电筒、热点、截屏这类功能。 这些功能很有意思。它们不是 App，没有独立图标，更像系统级服务；但每一个都要调用真实的硬件能力。而且一旦开启，权限会顺带下放给它调用的软件，软件无需二次授权。 问题出在这儿：能接住这条指令的，只有系统内置助手。 厂商在系统侧确实已经给了它授权。但这个助手冗余，内置的大模型也不太强——我想换掉它，做不到。Agent 调用硬件能力，要基于抽象层解析，而抽象层没有适配的硬件接口。它接不到。 于是我意识到，病根不是「这个助手不够聪明」，而是：特权的挂载点错了。 特权被绑给了一个 App，而不是绑给一层协议。 我给这层东西起了个名字：服务件（Service Ware）。 服务件是什么？ 服务件 = 位于硬件 / 系统能力与各类软件后端之间的统一能力清算层。 它把设备能力、应用服务、算力资源登记为带约束声明、可授权、可计量、可撤销的能力合约，供任意 Agent 以同一协议寻址调用； GUI 不再是默认入口，退化为授权、追溯与兜底的人侧界面。 用户真正要的从来是软件带来的服务，不是那层 GUI。Agent 可以越过 GUI——它不需要读懂前端那些复杂且无用的跳转逻辑，代办的操作项只需要和后端保持一次交互。Agent to Agent 的交互，不需要人类能看懂的界面。 为什么说它是 Personal Agent 的存在条件，而不是优化项。 我的核心判断有点强：不是「服务件适合 Personal Agent」，而是 Personal Agent 要成立，架构上必须先存在这么一层。 因为今天并不存在一个「你」。你的权限、数据、身份，散落在几十个 App 里，是几十个账号、几十份授权。Agent 说「代表你行动」——代表哪个你？没有可供代表的对象。 四条约束把它推到必然： 1. 任务天然跨域。 「订高铁 + 写日历 + 通知张三」跨三个域。预置插件是 N×M 集成爆炸，服务件压成 N+M。更要命的是你无法预知下一个任务是什么，所以它必须是运行时发现能力。 2. 权限的单位错了。 现在的授权是「授予某个 App」。只要权限还以 App 为单位，Agent 就只能在权限孤岛里打转。服务件把它改成「授予某项能力」——权限跟着人走，不跟着 App 走。 3. GUI 是可靠性天花板。 单步 95% 看着还行，10 步只剩约 60%；UI 每季一变，Agent 就崩一次。这是结构性脆弱，工程修不好。越过 GUI 不是优化，是移除天花板。 4. 本地性。 Personal Agent 相对云端唯一的差异化优势，就是能碰本地文件、离线推理和传感器。服务件是本地能力的唯一门面。 一个暴论：货币化的Service ware以及为什么必须有央行？ 我喜欢把服务件比作货币——所有交互与逻辑先转化为这一种通货，再快速交易执行。 但钱能流通不是因为有货币，是因为背后有清算。 服务件要配齐四件套： 1️⃣账本（谁在何时调了什么） 2️⃣风控（只读 / 可逆 / 不可逆 / 涉及资产）， 3️⃣汇率——粗粒度与细粒度换算——给 Agent 暴露上百个微服务接口会让工具选择准确率崩掉， 4️⃣撤销。 纯协议，比如MCP / A2A 解决的是连接，不是清算。只有货币，没有央行。 下面是两个反直觉的观点： 第一，GUI 不会消亡，它会四分裂。 业务 GUI（如浏览、跳转、设置层级）确实消亡；但授权 GUI 不仅存活还要变强，追溯 GUI 是新增的，兜底 GUI 得保留。Agent-to-Agent 不需要 GUI，但 Agent-to-Human 那一侧的需求反而变多了，只是换了个形状。 第二，阻力不在技术，在商业模式。 「用户要的是服务不是 GUI」在用户侧成立，在供给侧是反的——GUI 是 App 的变现界面、品牌界面、留存界面，全球移动广告 2026 年预计约 4,020 亿美元。所以「某个应用同意接入」本质是商务谈判，不是技术对接。 结论很硬：服务件必须自带结算与归因。没有利益分配机制的货币是伪币。 我的证据里，手电筒是最简单的样本（无状态、幂等、可逆），而游戏实时指令是最难的（实时、有状态、反作弊天生敌视外部自动化）。不能拿系统级的服务「开关」作为验收标准。 同样，别高估当下的 GUI 路线：OSWorld-Verified 2.0 上最好的模型只有 31.4%，而人类同任务约 70%。豆包手机预约超 37 万，却有超过 150 款应用拒绝其 GUI 自动化——用户授权不等于平台授权。 从小模型 → 大模型，是「一个任务一个模型」变成「一个模型服务所有任务」。 而从软件 → 服务件，是「每个 App 自己做界面与集成」变成「一层能力清算服务所有 Agent」。 规模收益同源，这也是它区别于「又一个中间件」的根本。 想请教社区几个问题： 1. 你们觉得「能力清算层」会由 OS 厂商吃掉，还是能作为中立层独立存在？ 2. 如果作为供给侧的App厂商拿不到不劣于 GUI 的变现，有没有第二条路让他们接入？ 3. Macaroon 这类可衰减凭证用来做三方授权，有没有更成熟的替代？ 欢迎拍砖。

lom.entermodetwo.com 我是让手机 agent 达到类似 root 的权限 然后通过手机上 Linux 沙箱来复用之前通过视觉定位的整个流程的脚本来实现自动化 GUI 给它 CLI 化是不是更好一些？ 因为手机厂商短期内不太可能开放 CLI 但是重启后的 App 里面的界面都是固定的 目前我的方案就是通过自动化第一遍先摸透界面结构给它 CLI 化 基本上第一次跑流程可能需要 10 分钟左右固化下来第二次只需要几秒钟就能流畅运行整个操作 但是有很多场景都需求亲自去跑一遍适配，不然就要看开源社区的力量了。 我在麓鸣里面做了一个 skillhub 专门用来存储沉淀用户的 skill 如果有想要交流的话可以聊一下

5月份，我的好友🐟7️⃣就给了一种思路，是屏幕定位。 本身GUI在人机交互上就是触屏。 既然无屏化操作，就可以直接把UI封装为屏幕参数，通过“自己「点亮」自己”的形式。（类似苹果的快捷键录制，按顺序快速点击相应位置） 我一个投资人朋友，投了字节出来做AI手机的Founder，也比较赞成这种方式，从技术路线上会更简单。

做 AI 手机的性价比还是太低了毕竟 AI 在用的时候人就没办法用了。 我的想法是，二手、三手、四手的那种旧手机也可以成为生产力工具。 来组成手机矩阵，因为我做的这个是电脑也是可以通过无障碍来进行脚本的规划的。 所以我这个 AI 团队是电脑的 leader进行一个方案和 skill 的规划还有设计，然后让手机端去进行一个执行，还有复用。 最简单的场景就是电脑上的 leader 负责给 CodeX 让它生图，让 Claude Code 去写文案。 最后 leader 去把 CodeX 生成出来的图片发到手机上，让手机去复用 leader 之前规划的一个 skill，直接就去发布到小红书图文 但是我想到最后还是情绪价值高于一切，打算研究一下最近爆火的蓝色大飞鱼 然后把它接到 QQ 里面，然后这个 Person Agent. 它可以随时随地的调用它手机。 然后这个 Person Agent 我借鉴了谷歌最近开源的 Harness2 还有 openclaw 的一些思路 （因为之前用 openclaw 用的顺手一点 bushi 手机 Agent 的，我觉得就是，它的存在就是为了让旧手机可以去工作，而不是再去做一个新的，全新的一个 AI 手机。那样的话就完全既没有性价比，又不好用。 因为让 AI 用的话，人怎么用？若 AI 去用的话，绝对是不如人了，用的快，用的顺手。 所以说我想的是，就是要不然这个 AI 手机它是有一个头头，可以进行一个总控，可以控制一大堆手机。 就是它这个 AI 手机会开放一大堆接口，让电脑上的 Codex 或者 Claude 去让它们去进行一个矩阵的干活。 要不然这个 AI 手机它就像那个养宠物一样，它不会占用你的一个前台，它会在后台会给干活。（好像手机上的 DeepSeekHarness 有虚拟盘这个功能）